某型飞机发动机惯性运转时间不达标问题研究

针对某型飞机试车时多台发动机惯性运转时间低于设计指标要求问题,分析影响飞机发动机惯性运转时间的关键因素,设计了飞机试车及发动机台架试验,得出影响惯性运转时间的主要因素,并结合发动机实际服役环境,给出某型机新的惯性运转时间指标及建议,以供维修人员更好地监控发动机转子轴承及发动机附件运转情况。     

谐振式陀螺全角模式误差来源与接口技术

全角模式是谐振式陀螺的新型接口技术，具有直接测量角度、动态范围大的优点，但其对陀螺元器件对称性要求极高的缺点限制了它的实际应用。首先，从谐振式陀螺全角模式的原理出发，讨论了各种不理想因素对全角模式运行造成的问题。然后，从器件设计和控制系统两方面出发，讨论了可行的技术路线。最后，通过数值仿真的方法证明了理论分析的正确性，并给出了谐振式陀螺的选型和控制系统的建议。     

圆锥运动的捷联解算误差

本文介绍载体作圆锥运动时,由捷联数值运算所造成的惯性基准的偏移。文中推导了刚体绕自身坐标系转动时变换矩阵的四种形式。对转动的不可交换性也通过刚体姿态角作出了描述。     

众眼看宇宙

2012年伊始,NASA就将这幅高清的X级太阳耀斑照片赠予世人欣赏。太阳耀斑（又称色球爆发）是太阳表面突然释放能量,喷射出高能带电粒子而形成的壮观场面,其寿命仅有几分钟至几个小时。     

热刀式压紧释放装置释放可靠性验证试验及评估方法

介绍热刀式压紧释放装置的功能及工作原理,确定该型压紧释放装置的释放可靠性特征量为核心元件＂热刀＂的可使用次数。基于＂热刀＂元件使用次数服从泊松分布的基本假设,提出该型压紧释放装置的释放可靠性验证试验及评估方法,包括选择试验方法、确定试验件的状态、试验条件、试验程序、故障判据及可靠性评估方法,并给出了应用示例,可为其释放可靠性评估提供技术途径。     

自由漂浮双臂空间机器人基于速度滤波器的惯性空间轨迹跟踪鲁棒控制

针对末端所持载荷参数未知的自由漂浮双臂空间机器人系统, 提出了基于速度滤波器的鲁棒控制方法. 利用拉格朗日方法进行运动学及动力学分析, 建立了双臂空间机器人系统欠驱动形式的动力学模型. 借助于增广变量法, 证明了可将空间机器人系统的增广广义Jacobi矩阵及动力学方程表示为一组组合惯性参数的线性函数. 在此基础上引入速度滤波器, 设计了双臂空间机器人基于速度滤波器的惯性空间轨迹跟踪鲁棒控制方案. 该速度滤波器可利用实测位置误差生成末端爪手的伪速度信号, 有效避免了相关速度信号的实时测量与反馈. 该方案的显著优点在于, 不需要测量、反馈末端爪手的移动速度和加速度, 同时有效消除了控制过程中的抖振现象. 平面自由漂浮双臂空间机器人系统的数值仿真验证了算法的有效性.      

基于改进粒子群优化LS-SVM的卫星钟差预报研究

针对导航卫星短期钟差预报精度和稳定度不高的问题,提出了一种基于改进粒子群优化（PSO）最小二乘支持向量机（LS-SVM）的卫星钟差预报方法。通过引进自适应改变的惯性权重和学习因子来提高粒子群算法的寻优能力,并将其应用到LS-SVM的参数优化中,避免人为选择参数的盲目性,提高了LS-SVM的泛化能力和预报精度。选取国际GPS服务组织（IGS）产品中四颗典型卫星的钟差数据,分别采用LS-SVM模型、神经网络模型和灰色系统模型进行短期钟差预报,计算结果表明：LS-SVM模型的预报精度优于其它两种模型,为导航卫星短期高精度钟差预报提供了新的思路。     

一种火工分离螺母释放可靠性验证试验方法

在分析航天器火工分离螺母构造、功能及工作原理的基础上,确定了火工分离螺母释放可靠性特征量。以计量型可靠性试验为基本思路,应用"应力-强度"干涉理论,提出了一种火工分离螺母释放可靠性验证试验方法,包括试验方法的选择、试验件状态及试验条件的确定、测试数据采集和可靠性评估方法。应用示例表明,某航天器火工分离螺母释放动力与释放阻力相比具有足够的裕度,释放可靠度满足指标要求。该方法可为火工分离螺母释放可靠性验证提供参考。     

应用惯性释放方法的静气动弹性发散分析

翼面发散作为静气动弹性的重点分析对象,传统的分析方法通常将翼面根部固支约束,不考虑刚体模态的影响。根据咨询通告AC 25.629-1B 的要求,刚体模态或短周期模态也可能会造成发散。因此,在民用飞机静气动弹性分析及适航符合性验证中,要计及刚体模态对发散的影响。通过对惯性释放方法的研究,在发散分析中计及刚体模态,给出考虑刚体模态的模态法发散分析方法;以某型民用飞机为例,应用本文方法分别计算空机状态、不同燃油和商载的静气动弹性发散结果,并和不考虑刚体模态的模态法、考虑/不考虑刚体模态的颤振法的发散计算结果进行对比分析。结果表明：考虑刚体模态后的发散速度有所提高,临界发散模态不变,发散速度随燃油和商载的增加而降低。     

基于深度学习的航天器组合体惯性参数在轨智能辨识

针对在轨服务过程形成新组合体的动力学参数未知的问题,借助深度学习在多参数寻优上的优势,提出了一种基于卷积神经网络的智能参数辨识算法,实现在外力作用下,线动量和角动量不守恒条件下的航天器组合体多参数辨识。利用卷积神经网络权值共享的特点,设计4层卷积神经网络,通过短时间内对大量特定存储形式的状态数据的训练,实现航天器组合体多参数快速高精度辨识。利用数学仿真试验对算法的可行性进行验证,结果表明：在24s内,质量与质心位置收敛;1190s内,惯量参数收敛,辨识精度在3%以内。说明所提方法在外界随机干扰力和力矩影响下能准确快速辨识出航天器组合体质量、质心位置和惯量矩阵。